集成学习算法在车险欺诈识别中的应用研究

作者：徐成伟

来源：电脑编程技巧与维护, 2023, (12): 101-104.

DOI：10.16184/j.cnki.comprg.2023.12.040

• 车险欺诈识别
• 集成学习
• 特征重要性评估

集成学习算法是机器学习中一类重要的算法。相比于简单的机器学习算法，集成学习算法能适应日益复杂的应用场景，尤其是在车险欺诈日益猖獗的当下。在此基于随机森林、极度梯度提升（Xgboost）、轻量级梯度提升机器学习（LightGBM）、自适应提升算法（Adaboost） 4种集成学习模型构建车险反欺诈系统，在一系列指标下评价4种模型的优劣，并且综合多种模型评估特征重要性，在数据量日益庞大的情况下选出识别车险欺诈最重要的特征数据，提高识别车险欺诈的工作效率。

• 单位
  南京审计大学